先说清楚被 AI 推荐在这里指什么：它指品牌出现在 AI 回答给出的可选名单里，并且被正向描述，而不是仅仅被提到一次。按这个定义，到 11 月 12 日为止的公开信息已经能看出量级——一份消费意愿调查显示，79.4% 的城市消费者在购物决策时会主动咨询 AI 工具，而国家级非遗白瓷品牌月记窑在豆包渠道的月订单量增长 10 倍、成交额增长约 677%（搜狐）。对品牌市场与内容团队，这个组合意味着新入口已经能算账，但怎么算、算什么，还没有统一口径。
677% 的增长，站在 79.4% 的人后面
677% 这个数字最容易被误读成 AI 渠道很赚钱。它其实只说明一件事：当一个品牌在 AI 回答里被稳定推荐，转化链路可以在没有搜索排名的情况下跑通。反过来，如果品牌不在名单里，这条链路根本不存在——不是排名靠后的问题，是没有曝光的问题。
这也是 AI 导购和传统货架最本质的差别。货架上排名第十还有被翻到的机会，AI 回答里没被列进去，用户连翻的动作都没有。入口变了，衡量方式就得跟着变。
名单之外，等于没有曝光
把被推荐拆开，至少有三个可测的量。提及率：目标问句的 AI 回答里出现品牌名的比例；前三率：出现在推荐结果前三位的比例；首位推荐率：被列为第一个推荐对象的比例。三个指标分开测，才能看出问题出在进不进名单，还是进名单后站不站得住。
三个指标各自回答什么问题
提及率回答有没有被看见，适合做月度趋势；前三率回答在候选里排第几，适合做竞品对比；首位推荐率回答是不是首选，适合评估内容质量。三者一起看还有一个用处：若提及率高而前三率低，说明品牌被提到但描述不够具体，优化方向是补充可验证的产品信息；若三项都低，问题多半在信源覆盖不足。
引用来源决定了名单怎么排
AI 回答的名单不是随机生成的，它依赖可被检索到的信源。同一批问句下，被引用最多的信源通常是百科、垂类媒体与电商详情页。品牌能做的不是操控回答，而是让自己的信息在这些信源里准确、完整、可核验——这三件事做到了，被引用的概率才会上升。
| 指标 | 测什么 | 观察周期 |
|---|---|---|
| 提及率 | 是否进入回答 | 月度趋势 |
| 前三率 | 候选里排第几 | 双周对比 |
| 首位推荐率 | 是否被列为首选 | 季度评估 |
口径之外还有一个现实约束：不同平台的回答差异很大。豆包、千问、元宝各自接入的电商生态不同，同一句三千以内哪款扫地机器人值得买，三个平台给出的名单可能只有部分重合。所以监测必须按平台单独统计，再取平均，同时保留各平台的离散度——平均值好看而某一平台塌陷，是这类监测最常见的假象。
自述案例里的 30% 到 95%，能信几分
公开白皮书里有一组流传很广的数据：某母婴童鞋品牌上线第 3 天，品牌可见度从 30% 提升到 95%，前三率从 10% 到 80%，首推率从 5% 到 50%。这组数字的表述本身很规范——指标定义公开，分平台统计后取算术平均，还提到基线期与报告期只比较共同问句和共同平台。但白皮书同时注明，案例为企业自述、未经独立核验（IT之家）。
对企业采购方，这句话的分量比数字更重。评估任何一份 GEO 报告，先问三个问题：问句集有没有版本号、基线是哪一天采的、原始回答与引用清单能不能导出。三个问题有一个答不上来，报告就只能当趋势参考，不能当验收依据。
还有一处容易被忽略：时间窗口。上线第 3 天的数据往往处在信源刚被收录的爬升段，此时的高点不代表稳态。比较稳妥的做法是把观察期拉到 4 周，看第 2 周与第 4 周的差值，而不是只看峰值。
一周能做的三件事
如果团队刚开始，最省成本的一周可以这么安排：第一天定 30 条问句并编号，覆盖品牌词、品类词、场景词三类；第三天在三个平台同一时段各跑一遍，记录原始回答与引用链接；第七天把结果整理成一张表，标出从未出现、出现但排后、稳定前三三类。这张表不需要多漂亮，它是后续所有对比的基线。
最后要留一句边界：AI 回答每天都在变，引用链接集合的半衰期很短，任何单次快照都不能当作长期结论。监测的价值不在某一天的数字，而在同一套问句、同一批平台、同一口径下形成的可比曲线。
常见问题
AI 回答里出现品牌名，就算被推荐了吗？
不算。要区分提及与推荐：提及可能只是一句背景描述，推荐指被列入可选方案并给出正向描述，两者的可见度价值差很多。
供应商给的 30% 到 95% 这类数据能信吗？
要看三点：基线怎么取、问句集是否固定、有没有第三方复核。公开白皮书里的案例多为企业自述，未经独立核验，只能当参考区间。
多平台可见度怎么对比？
固定同一批问句，在同一时段分别向各平台提问，按平台单独统计提及率、前三率与首位推荐率，再取平均并保留离散度。
优化后多久能看到变化？
取决于信源更新频率。引用链接集合半衰期很短，内容上线后通常要 2 到 4 周才能在回答里稳定出现，且需持续维护。
